Unicode标准化：天城文क़被组合排除而Å未被排除的原因解析

天城文क़被排除的核心逻辑 #

क़（U+0958）是天城文中的预组合字符，本质是基础字符क（U+0915）加上点变音符号（U+093C）的预封装形式。Unicode将其归入脚本专属排除项，核心原因在于婆罗米系脚本（含天城文）的编码设计核心是基础字符+动态变音符号的组合体系：

• 天城文的标准书写与编码逻辑要求，带修饰的字符必须通过基础字符加对应变音符号的方式构建；
• क़属于旧编码兼容遗留的预组合字符，若允许其参与归一化拆分/组合，会破坏天城文编码的一致性，导致同一书写形式出现两种不兼容的编码路径，因此被禁止参与归一化组合。

拉丁字母Å未被排除的原因 #

Å（U+00C5，对应实体Å）是拉丁脚本的预组合字符，它不在排除列表中的原因是：

• 拉丁脚本的编码历史中，预组合字符是广泛认可的标准书写形式，与“基础字符A（U+0041）+ 变音符号˚（U+030A）”的拆分形式属于双向等价关系；
• Unicode归一化（NFC/NFD）会在两种形式间双向转换，这种转换完全符合拉丁脚本的书写规则，不会引发编码歧义或逻辑冲突，因此不需要将其归入排除项。

底层规则总结 #

Unicode归一化排除列表的核心判定标准是：预组合字符是否会干扰对应脚本的标准编码与书写逻辑。对于婆罗米系这类依赖动态变音组合的脚本，遗留预组合字符会破坏规则一致性，因此被排除；而拉丁脚本中预组合字符本身就是标准形式的一部分，等价转换不会产生问题，因此无需排除。

内容的提问来源于stack exchange，提问作者Sourav Kannantha B